机器学习虽然兴起，但大部分学者都在研究如何精雕细琢算法本身。
大家都在追求用最少的数据，通过最复杂的数学公式来实现目标。
这种思路在当时是绝对的主流。
但李飞飞的思路截然相反。
她认为，想要让计算机认出一只猫，不应该去教计算机猫有几根胡子、耳朵呈什么角度。
而是应该直接给计算机看几百万张猫的照片。
只要看得足够多，计算机自己就能总结出规律。
这个思路在当时被很多传统学术界的大牛嘲笑。
因为收集并标注几百万、上千万张图片，是一项非常繁琐、耗时且看起来毫无技术含量的体力活。
但这恰恰是深度学习爆发的绝对前提条件。
The content is not finished, continue reading on the next page